圈图非常适合表示复杂信息，我们在展示基因组项目中最常用，我自己主要是用的Circos。但是它使用的是perl语言写的，而且使用的是配置文件的方式来绘制图形，这样就使得数据分析与绘图之间分离开了，造成了很大的不便。所以我们后面会陆陆续续介绍有关R语言圈图的绘制。

circlize是Circos的R语言实现，但并不是生成Circos配置文件的前端封装，而是完全基于R语言风格的统计和图形语法实现的。

比如下面这个图，就是一个包含多种类型的圈图展示。

一般情况下，circlize圆形布局由sectors（扇形）和tracks（轨迹）组成。对于数据中的不同分类，会作为不同的sectors，在圆形布局上看起来就是将圆切割为一个个扇形；而同一个类别的不同维度的观测值，会作为从圆外向圆内不断堆叠的图形轨迹tracks，即展示的各种数据图形。

例如上面这个图的数据被分为8个sector（基因组数据通常展示的是不同染色体），即圆形被等分或者不等分为8个扇形区域。

而从圆外到圆内，每个圆环代表一个track，总共有5个track，添加顺序为点图、直方图、折线图、热图和连接图。

每个sector和track交叠的图块称为一个单元格（或一个网格，一个panel），是一个绘图区域。

和我们用circos画图一个概念。也是一个个图形添加到图层中，这些图形函数都是 circos.*() 形式，包括一些简单图形函数。

circos.points(): 添加点

circos.lines(): 添加线

circos.segments(): 添加线段

circos.rect(): 添加矩形

circos.polygon(): 添加多边形

circos.text(): 添加文本

circos.axis()和circos.yaxis(): 添加轴

绘制两个位置之间的连接函数

circos.link()

一些复杂图形

circos.barplot(): 绘制条形图

circos.boxplot(): 绘制箱线图

circos.violin(): 绘制小提琴图

circos.heatmap(): 绘制圆形热图

circos.raster(): 绘制光栅图片

circos.arrow(): 绘制圆形箭头

一些圆形布局的排布函数

circos.initialize(): 分配圆形上的扇形区域

circos.track(): 为单元格创建绘图区域

circos.update(): 更新修改某一单元格

circos.par(): 设置图形参数

circos.info(): 输出当前图形的参数

circos.clear(): 重置图形参数和内部变量

我们先生成一个简单的测试数据。

library(circlize)

n <- 1000

df <- data.frame(

  sectors = sample(letters[1:8], n, replace = TRUE),  

  x = rnorm(n),   #用于产生服从正态分布的随机数

  y = runif(n)      #生成0-1之间符合均匀分布的随机数

)

其中：sample(x, size, replace = FALSE) 具体参数说明: x 整体数据,以向量形式给出 size 抽取样本的数目 replace 如果为F(默认),则是不重复抽样,此时size不能大于x的长度; 如果为T,则是重复抽样。

#首先，我们初始化一个圆形布局，确定扇形区域和 x 轴变量

circos.par("track.height" = 0.1)

circos.initialize(df$sectors, x = df$x)

#初始化圆形布局之后，还不会显示图形，我们需要将轨迹添加到图片当中。所有轨迹都是通过 circos.track()（或者 circos.trackPlotRegion()）函数来添加的。添加轨道之前,首先需要使用circos.track函数来创建轨道,然后才可以使用low-level的函数往里面添加各种元素。也就是说circos.track相当于high-level的函数。

circos.track(df$sectors, y = df$y,

            panel.fun = function(x, y) {

              circos.text(CELL_META$xcenter,

                          CELL_META$cell.ylim[2] + mm_y(7),

                          CELL_META$sector.index)

              circos.axis(labels.cex = 0.6)

            })

我们怎么来解读circos.track这个函数呢？

在这个函数中，我们共传递了3个参数。其中前两个参数指定每个sector的区域以及轨迹中的y轴数据，panel.fun参数传递了一个函数，在创建绘图区域时会被调用。这个函数用来在创建cell的时候,自定义执行一定的功能.比如可以和低级绘图函数结合,来自动对每一个cell中自动添加点等等信息.

我们再来看看这个函数做了什么事情，首先，使用circos.text来绘制文本信息，CELL_META提供了每个单元格的信息，从其取值的变量名可以看出，xcenter、cell.ylim、sector.index分别代表的是当前单元格的x轴中点、y 轴范围、当前扇形区域的索引。mm_y(7)表示对y轴添加7mm的偏移，这样就添加了最外圈的标签a-h。

circos.axis则是添加了最外侧的坐标轴，和df$x有关。

下面我们尝试添加例子中的第一个track：点图。

circos.trackPoints(df$sectors, df$x, df$y, col = rainbow(8), pch = 16, cex = 0.5)

如果我们想在某个track上添加一个文本，通过circos.text就可以实现。

circos.text(-1, 0.5, "test", sector.index = "a", track.index = 1)

其中前两个参数是坐标位置，第3个参数是文本内容。sector.index指定在那个扇形区域，track.index指定在那个track上面添加。

t添加第二个track的方式也是一样的。

circos.trackHist(df$sectors, df$x, bin.size = 0.2, bg.col = rainbow(8), col = NA)

我们通过circos.trackHist添加了一个直方图。

在最内层，我们还可以添加连接线（这和基因组也类似，比如展示共线性）。

circos.link("a", 0, "b", 0, h = 0.4, col = "blue")   #a-b点对点的连接线

circos.link("c", c(-0.5, 0.5), "e", c(-0.5,1),col = "#fb9a99", border = "blue", h = 0.2) #c-e区域到区域的连接线

circos.link("f", 0, "g", c(-1,1), col = "#b2df8a",border = "black", lwd = 2, lty = 2) #点到面的连接线

但是，测试到这里，我有几个问题。

1. 我换了顺序测试了一下，为啥circos.trackPoints不新建一个track，每次都是在当前的track下面展示。

2. 我想改变或者删掉某个track怎么办，每次我都是重新执行一遍？

3. 刚开始创建track里面CELL_META是啥变量？

我去查了一下资料，里面有两个添加点的函数：circos.trackPoints函数与circos.points。这2个函数不同的点就是,circos.trackPoints可以接受factors参数,从而可以自动将x和y按照factor分组,自动在每个cell分别绘制点.因此,他的效果,相当于使用circos.track函数,然后结合panel.fun函数,在其中使用circos.points函数.因此,上面的函数也可以写成下面的函数,效果相同。

circos.par("track.height" = 0.1)

circos.initialize(df$sectors, x = df$x)

circos.track(df$sectors, df$x, df$y,

            panel.fun = function(x, y) {

                  circos.text(CELL_META$xcenter,

                              CELL_META$cell.ylim[2] + uy(5, "mm"),

                              CELL_META$sector.index)

                  circos.axis(labels.cex = 0.6)

                  circos.points(x = x, y = y, col = rainbow(8),pch = 16, cex = 0.5)

})

相当于circos.track和circos.trackPoints的连用。我们可以理解为circos.trackPoints是个low-level的函数，只有high-level的才能创建新的track。例如circos.trackHist就是high-level。

所以我们还是可以继续利用circos.track创建新的track。

circos.par("track.height" = 0.1)

circos.initialize(df$sectors, x = df$x)

circos.track(df$sectors, y = df$y,

            panel.fun = function(x, y) {

              circos.text(CELL_META$xcenter,

                          CELL_META$cell.ylim[2] + mm_y(7),

                          CELL_META$sector.index)

              circos.axis(labels.cex = 0.6)

            })

circos.trackPoints(df$sectors, df$x, df$y, col = rainbow(8), pch = 16, cex = 0.5)  #还是拆开看的更清晰点

circos.trackHist(df$sectors, df$x, bin.size = 0.2, bg.col = rainbow(8), col = NA)

circos.track(df$sectors, x = df$x, y = df$y,

    panel.fun = function(x, y) {

        ind = sample(length(x), 30)

        x2 = x[ind]

        y2 = y[ind]

        od = order(x2)

        circos.lines(x2[od], y2[od], col = "blue")

})

我们对每个扇形区域又随机取了30组值画个折线图，添加了一个新的track。

如果想要编辑生成的一个track的话，我们可以使用 circos.update 来修改某一单元格的图形，单元格使用 sector.index 和 track.index 来进行定位。

circos.update(sector.index = "d", track.index = 2, bg.col = "white", bg.border = "black")

circos.points(x = -2:2, y = rep(0.5, 5), col = "#1f78b4")

circos.text(CELL_META$xcenter, CELL_META$ycenter, "updated", col = "#1f78b4")

通过上面3个命令，我们首先更新了d扇形，第二个track上面的bg.col。然后画了5个点。后面添加了一个text上去。

我们接着继续添加一个新track,这次我们添加一个热图,使用的是circos.rect函数.因为该函数并不是high-level函数,因此我们需要使用circos.track先创建track,然后在其内部的panel.fun函数中在使用circos.rect函数为每个cell创建热图。

#可以看到,circos.rect函数内部的四个参数:xleft,ybottom,xright和ytop可以是vector.

circos.track(ylim = c(0, 1), panel.fun = function(x, y) {

    xlim = CELL_META$xlim

    ylim = CELL_META$ylim

    breaks = seq(xlim[1], xlim[2], by = 0.1)

    n_breaks = length(breaks)

    circos.rect(breaks[-n_breaks], rep(ylim[1], n_breaks - 1),

                breaks[-1], rep(ylim[2], n_breaks - 1),

                col = rainbow(n_breaks), border = NA)

})

可以看出circos.rect函数内部的四个参数:xleft,ybottom,xright和ytop可以是vector。

把我们学习的几个track合在一起。

circos.par("track.height" = 0.1)

circos.initialize(df$sectors, x = df$x)

circos.track(df$sectors, y = df$y,

            panel.fun = function(x, y) {

              circos.text(CELL_META$xcenter,

                          CELL_META$cell.ylim[2] + mm_y(7),

                          CELL_META$sector.index)

              circos.axis(labels.cex = 0.6)

            })

circos.trackPoints(df$sectors, df$x, df$y, col = rainbow(8), pch = 16, cex = 0.5)

circos.trackHist(df$sectors, df$x, bin.size = 0.2, bg.col = rainbow(8), col = NA)

circos.track(df$sectors, x = df$x, y = df$y,

    panel.fun = function(x, y) {

        ind = sample(length(x), 30)

        x2 = x[ind]

        y2 = y[ind]

        od = order(x2)

        circos.lines(x2[od], y2[od], col = "blue")

})

circos.track(ylim = c(0, 1), panel.fun = function(x, y) {

    xlim = CELL_META$xlim

    ylim = CELL_META$ylim

    breaks = seq(xlim[1], xlim[2], by = 0.1)

    n_breaks = length(breaks)

    circos.rect(breaks[-n_breaks], rep(ylim[1], n_breaks - 1),

                breaks[-1], rep(ylim[2], n_breaks - 1),

                col = rainbow(n_breaks), border = NA)

})

circos.link("a", 0, "b", 0, h = 0.4, col = "blue")

circos.link("c", c(-0.5, 0.5), "e", c(-0.5,1), col = "#fb9a99", border = "blue", h = 0.2)

circos.link("f", 0, "g", c(-1,1), col = "#b2df8a",border = "black", lwd = 2, lty = 2)

最后，使用 circos.clear() 来重置所有的图形参数。

所以，其实总结来说，使用circlize进行画图的过程其实很简单：

初始化启动layout(创建了sector)->创建track->画图形->常见track->画图形-…-clear。

其中,对于画图来说,只要创建了该cell,就可以通过指定cell在任意区域进行画图。

1. 初始化layout(circos.initialize函数)

2. 创建track并画图.有三种方法可以创建track并画图。使用circos.track创建track之后,使用low-level函数(如circols.points,circols.lines)画图.这时候,一般需要使用使用for循环,并且需要你手动提出每个cell对应的分类的数据(指定sector.index和track.index参数)。可以直接使用circos.trackPoints, circos.trackLines等函数直接创建track并添加图形。也就是每个低级参数都有其对应的circos.tracl...函数。在circos.track函数中使用panel.fun函数.panel函数需要x和y参数,这个参数是在当前cell的x和y。

当初始化的时候,sector的顺序也已经被决定了。sector的顺序和你的数据中的分类的factor。

另外需要注意的时,在同一个sector中的不同track的cell,他们共享一个x轴.因此,当新建一个track的时候,我们没有必要设置xlim,只需要设置ylim就行了。

而对于一个track中的所有cell来说，他们共享一个ylim,因此像circos.track中的ylim参数,直接设置为两位的vector即可。

panel.fun函数

该函数都是和circos.track函数配合一起使用的。

在panel.fun中使用low-level绘图函数,不需要指明sector.index和track.index.

在panel.fun内部,可以使用CELL_META或者get.cell.meta.data[比如CELL_META$sector.index就等于get.cell.meta.data("sector.index").]函数来获得当前cell的信息.

可以使用其获得的cell信息包括:

sector.index: The name for the sector.

sector.numeric.index: Numeric index for thesector.

track.index: Numeric index for the track.

xlim: Minimal and maximal values on the x-axis.

ylim: Minimal and maximal values on they-axis.

xcenter: mean of xlim.

ycenter: mean of ylim.

xrange: defined as xlim[2] - xlim[1].

yrange: defined as ylim[2] - ylim[1].

cell.xlim: Minimal and maximal values onthe x-axis extended by cell paddings.

cell.ylim: Minimal and maximal values onthe y-axis extended by cell paddings.

xplot: Degree of right and left borders inthe plotting region. The

first element corresponds to the startpoint of values on x-axis and

the second element corresponds to the endpoint of values on x-axis

Since x-axis in data coordinate in cellsare always clockwise, xplot[1]

is larger than xplot[2].

yplot: Radius of bottom and top radius inthe plotting region.

cell.start.degree: Same as xplot[1].

cell.end.degree: Same as xplot[2].

cell.bottom.radius: Same as yplot[1].

cell.top.radius: Same as yplot[2].

track.margin: Margins of the cell.

cell.padding: Paddings of the cell.

注：虽然CELL_META和get.cell.meta.data是等价的，但是CELL_META函数只能在panel.fun内部使用,用来获得当前cell的信息,而get.cell.meta.data则可以在指明sector和track index的前提下,在panel.fun外部使用。